Cela n'a pas été ajouté à R, car personne ne pensait que c'était assez important pour l'ajouter à R.

SPSS semble avoir adopté une approche dispersée pour les tests post hoc - ils ont juste continué à les ajouter . Les éléments qui apparaissent dans (disons) SPSS sont basés sur le marketing plutôt que sur le besoin. SPSS pense pouvoir dire "Nous avons plus de tests post hoc que SAS, Stata et Statistica réunis, vous devriez donc acheter notre logiciel". On voit rarement ces tests mentionnés en dehors du contexte de SPSS (et rarement en dehors du contexte des livres qui tentent de tout couvrir dans une fonction SPSS particulière). Un léger problème avec ce livre est qu'il s'agit d'une réécriture d'un livre qui a été écrit pour SPSS, et donc parfois une structure différente serait judicieuse, de sorte qu'elle corresponde à R, pas à SPSS.

Pour R, si quelqu'un s'est suffisamment soucié de le mettre, quelqu'un l'aura mis. Le fait que les gens aient trouvé le temps d'écrire des milliers de paquets pour R, et qu'aucun d'entre eux n'incluait (disons) le test Hochberg GT2 pourrait nous dire quelque chose.

Si vous devez vraiment faire ces tests post hoc (je ne suis pas fan, et je les fais rarement), je suppose que vous avez deux choix: vous pouvez le bootstrap. Vous pourriez l'écrire vous-même. Les algorithmes utilisés par SPSS sont publiés ici: ftp://public.dhe.ibm.com/software/analytics/spss/documentation/statistics/20.0/en/client/Manuals/IBM_SPSS_Statistics_Algorithms.pdf

Notez également que ce problème est apparu il y a plusieurs années dans la liste d'aide R (je suppose qu'ils ont lu le même livre), https://stat.ethz.ch/pipermail/r -help / 2005-novembre / 083595.html

Le package 'DTK' de R possède le test de comparaison multiple par paires Tukey-Kramer modifié de Dunnett.

La robustesse ne viendrait pas du package utilisé pour faire des tests post hoc .Il proviendrait du modèle sur lequel ils sont basés.

Si vous utilisiez, par exemple, nlme :: gls () pour modéliser les données, cela permettrait des variances inégales et des données déséquilibrées.Ensuite, suivre cela avec multcomp :: glht () ou lsmeans :: lsmeans () fournirait des tests post hoc qui hériteraient de leur robustesse de la robustesse du modèle utilisé.Il existe probablement d'autres options de modélisation dans d'autres packages R.